學術溫大

我校计算机与人工智能學院张笑钦教授在人工智能顶级学术期刊《IEEE T-NNLS》上发表论文

來源:計算機與人工智能學院發布時間:2020-08-05

近日,我校计算机与人工智能學院张笑钦教授为第一作者的科研论文(长文):Top-k Feature Selection Framework Using Robust 0-1 Integer Programming(基于鲁棒0-1整数规划的最优K特征集选择框架)在IEEE神经网络与学习系统汇刊(IEEE T-NNLS, DOI: 10.1109/TNNLS.2020.3009209.)上发表。论文的第一作者单位为温州大学计算机与人工智能學院。

特征選擇的目的是找出數據中的關鍵性特征,同時去除冗余和噪聲特征。它不但能有效提高學習算法性能,還可以顯著地降低算法的計算複雜度,在機器學習研究中有著重要的價值。大多數特征選擇方法采用某種特定准則計算所有特征的評分,然後依據評分從高到低對特征進行排序,並將評分最高的K個特征作爲結果。由于局部最優一般不如全局最優,所以K個好的特征構成的集合未必是最好的由K個特征所構成的集合。爲了解決上述問題,本文提出基于0-1整數規劃近似優化算法的特征選擇理論框架。在該框架下可以提出新的特征選擇方法,這些方法能夠得到在給定標准下近似最優的含有K個特征的集合,即近似全局最優解。基于該框架,我們分別提出了一個無監督特征選擇方法和一個半監督特征選擇方法。最後,這兩個方法都在基准公開數據集上進行了驗證,結果證明了本文所提出利用0-1整數規劃進行特征選擇方法的有效性。本文工作獲得了國家自然科學基金項目和國家科技部項目的資助。

IEEE T-NNLS,全称为IEEE Transactions on Neural Networks and Learning Systems,是人工智能、模式识别、图像处理、计算机视觉等多个领域的顶尖国际期刊,其2018年度影响因子为11.683,属于中科院一区期刊,在JCR分区中的COMPUTER SCIENCE, HARDWARE & ARCHITECTURE(计算机科学,硬件和体系架构)和 COMPUTER SCIENCE, THEORY & METHODS(计算机科学,理论和方法)领域都是名列1区且在所有该领域期刊中排名第2。

X. Zhang, M. Fan, D. Wang, P. Zhou and D. Tao, "Top-k Feature Selection Framework Using Robust 0-1 Integer Programming," in IEEE Transactions on Neural Networks and Learning Systems, doi: 10.1109/TNNLS.2020.3009209.